基于遗传算法的全自动除泡机腔体充排气PID控制研究

郭晓妮， 王 毅， 姜慧慧， 杨 涛

（中电科风华信息装备股份有限公司， 山西 太原 030024）

引言

随着社会的高速信息化，触控显示行业也得到了到迅猛发展。触摸屏作为一种实时的人、机、场景交换枢纽，成为了当代生活中不可或缺的一部分，并且用户对各种触摸屏技术也提出了越来越高的要求。全自动除泡机是LCD生产线上的关键设备之一，它的性能在整个生产工艺中起着至关重要的作用。全自动除泡机的主要工艺原理是将完成OCA贴合及偏光片贴附且有气泡产生的产品，放入密闭腔体中，在一定时间内以均匀稳定的温度和压力进行处理，除去液晶板中的内存气泡，同时在保证显示质量的前提下，增强贴合的强度。温度、压力和除泡时间是影响全自动除泡机性能的三个重要因素，其控制是否合理，关系到除泡的良品率是否达标。在压力控制系统中，关键技术点是合理有效地控制充气、排气时间，使加压与减压速度可控，有效降低回弹型再发气泡的产生，提高除泡良品率。传统全自动除泡机采用山武PID控制器实现控制，为了降低成本且高效操作，本文分析了采用基于遗传算法的PID控制方法，规避传统PID控制参数需靠经验来确定的问题，通过智能算法给出最优的参数组合，以达到良好的控制效果。

1 PID控制

PID控制是工业自动控制系统中一种常用的调节器控制方法，即以比例（Proportion）、积分（Integration）、微分（Differentiation）进行控制的简称。它以具有结构简单、稳定性好、工作可靠、调整方便的优良特性成为工业控制的主要技术之一。随着工业水平不断进步，近年来出现了许多智能PID控制，向着自学习、自适应等先进方向快速发展。

PID 控制利用系统的偏差e（t），通过调节 P、I、D三个参数的线性组合，实现对被控对象的自动调谐，如图1所示。其中系统偏差e（t）=系统给定r（t）-系统反馈y（t）。在实际工程应用中，有时可将 P、I、D 三个参数以组合的方式进行控制。

图1 PID控制原理框图

P比例控制是控制器的输出与输入的误差信号成比例关系。偏差一旦产生，控制器立即调节控制输出，使被控量朝着减小偏差的方向变化，偏差减小的速度取决于比例系数KP，KP越大偏差减小得越快，但容易引起振荡，KP越小，发生振荡的可能性减小但调节速度变慢。单纯的比例控制存在稳态误差不能消除的缺点，这时就需要积分控制。

I积分控制是控制器的输出与输入的误差信号的积分成正比关系。在一个自动控制系统中，如果在进入稳态后存在稳态误差，则这个控制系统是有稳态误差的。为了消除稳态误差，在控制器中引入积分项，积分项对误差的积分取决于时间，随着时间的增加，积分项增大。积分项推动控制器的输出增大使稳态误差进一步减小，直到等于零。

D微分控制使其控制器的输出与输入误差信号的微分成正比关系。自动控制系统在克服误差的调节过程中可能会出现振荡甚至失稳，对误差的变化趋势非常敏感，在误差信号出现之前就能够起到修正误差的作用，提高输出响应的速度，减小被控量的超调和增强系统的稳定性。但微分作用容易放大高频噪声，降低系统信噪比，使系统抑制干扰的能力下降。

PID控制的输入输出关系为u（t）=KPe（t）+相应的传递函数为G（S）=

在工业自动控制中，可根据实际情况和需要选取不同的PID控制规律。

2 基于遗传算法的PID控制

2.1 遗传算法

遗传算法（Genetic Algorithm，简称“GA”）是一种基于生物进化思想将求解优化计算中的迭代过程模拟成物种进化的过程，形成一种具有“生成+检验”特征的搜索算法。作为智能全局优化算法，GA具有简单通用、鲁棒性强、适于并行处理等特点，因而在求解复杂的工程优化问题中得到了广泛的应用。

GA总体思想是，以染色体编码空间代替问题的参数空间，用适应度函数作为评价的依据，以编码群体为进化基础，对群体中个体位串的遗传操作实现选择和遗传机制，建立迭代过程。操作过程如图2所示：

图2 遗传算法计算流程图

2.2 基于遗传算法的PID参数设计

1）遗传算法常用于求解约束非线性最优化问题，因此在求解过程中须首先确定决策变量和约束条件。PID控制中需要确定的变量参数为KP、KI、KD三个变量，它们的取值范围本文参考物理意义和经验来确定，即确定约束条件。

2）遗传算法求解是基于数学模型的，因此这里要确定PID控制的目标函数和适应度函数，即确定出目标函数u（t）。

式中：KP为比例系数，KI为积分系数，KD为微分系数，T为时间周期，t为时间。

3）参数编码：GA编码方式有二进制编码和实数编码两种，二进制编码搜索能力强，实数编码在变异操作上能够保持更好的种群多样性。因此，文中采用实数编码。

4）取种群个体数目120产生初始种群。

5）适应度计算：GA在优化搜索过程中，以适应度函数来评价种群个体是否达到最优值。为使系统在“稳、准、快”三方面获得满意的性能，本文的适应度函数取为：

6）选择运算：将种群中适应度高的个体遗传到下一代中（采用轮盘赌选择方法）。根据个体适应度确定其繁殖后在交配池中所占的比例：

式中：f（i）为个体适应度，n为种群的个数。

7）交叉运算：交叉运算是GA中产生新个体的主要操作过程。本文选用算术交叉运算（arithXover），其表达式为：

8）变异运算：变异运算是使GA具有局部随机搜索能力，加速向最优解收敛。本文采用非均匀变异（nonUnifMutation），其表达式为：

式中：r为[0，1]范围内的符合均匀概率分布的一个随机数。

9）算法终止的条件：采用最大进化代数规则。

3 基于遗传算法的PID控制在腔体充气中的应用

本文以全自动除泡机为例，腔体设定压力为0.5 MPa，充气时间为5 min，采样时间为0.005 s，匀速加压，采样由MATLAB软件编程，压力曲线如下页图3所示。

图3中的两条曲线几乎重合，一条为腔体目标曲线，一条为经过PID控制后的实际曲线，可以看出，经过PID控制后曲线响应速度快，超调量小，具有较高的控制性和鲁棒性，能很好地满足除泡机以匀速压力充排气的要求。

图3 压力曲线图

4 结语

腔体压力是影响全自动除泡机性能好坏的重要因素之一，基于遗传算法的PID控制，通过智能算法给出最优的参数组合，使经过PID控制后的系统响应速度快，超调量小，很好地满足了全自动除泡机以匀速压力充气排气的要求，满足了实际工程需求，以降低成本且实现更高效的控制。